第 35 卷第 2 期 极地研究 Vol. 35, No.

2
2023 年 6 月 CHINESE JOURNAL OF POLAR RESEARCH June 2023

基于北极多源卫星数据的海冰厚度
时空变化对比与评估
靳娅琪 1 张瑜 1,2 陈长胜 3 徐丹亚 2
(1 上海海洋大学海洋科学学院, 上海 201306;
2
南方海洋科学与工程广东省实验室(珠海), 广东 珠海 519082;
3
马萨诸塞大学达特茅斯分校海洋科学与技术学院, 马萨诸塞州 新贝德福德市 02744, 美国)

摘要 海冰厚度作为海冰的重要变量之一, 相较于海冰密集度、海冰漂移速度、海冰范围等, 数据时空完整

性仍然不足。当前获取北极海冰厚度的主要手段为卫星遥感, 除之前的 CryoSat-2、SMOS 等卫星, 2018 年
11 月又新增了 ICESat-2 卫星。目前, 针对北极多源卫星海冰厚度的时空变化差异性对比以及数据精度评估
的 工 作 较 少 , 因 此 , 本 研 究 通 过 选 取 最 近 的 完 整 两 年 (2019— 2020 年 ) 内 的 ICESat-2、 CryoSat-2 以 及
CS2SMOS(CryoSat-2 和 SMOS 融合产品)海冰厚度数据进行对比分析, 量化其时空差异。结果显示, 整体上
CryoSat-2 卫星数据的平均海冰厚度最大, ICESat-2 其次, CS2SMOS 最小。三种卫星数据间的差异具有明显
的时空变化特征, 在海冰厚度高值区 ICESat-2 数据的厚度最大, CryoSat-2 与 CS2SMOS 数据的厚度相近, 而
在海冰边缘区 CryoSat-2 数据的厚度最大, CS2SMOS 最小。从区域来看, 不同卫星数据反演的海冰厚度在东
西伯利亚海和波弗特海区域差异较小, 在巴伦支海区域差异较大。在此基础上, 利用研究时段内的“冰桥行
动”实地观测数据对多源卫星数据进行评估, 结果表明, 2019 年 4 月 CS2SMOS 数据整体上与实地观测数据
更接近, 而 ICESat-2 数据与实地观测数据相差较大。
关键词 北极 海冰厚度 卫星遥感 冰桥行动
doi: 10.13679/j.jdyj.20220301

的变量, 但海冰厚度测量同样重要。鉴于海冰厚
0 引言 度对海-气相互作用的敏感性, 海冰厚度的测量
有助于研究海-气之间物质和能量的交换速率 [ 5 ] ;
海冰是气候变化最敏感的因素之一, 也是极 另外, 海冰厚度作为海冰体积估算的重要参
地气候系统的重要组成部分, 海冰分布的范围、 数 对 研究全球气候和冰盖变化具有重要意义 [6-7];
厚度以及海冰的结构、物质组成与气候变化有着 获取准确的海冰厚度也可为北极航道开通 [8]及航
密切的关系 [1]。北极海冰的覆盖不仅能够反射来 线规划 [9]相关分析提供有力的数据支持。
自太阳的短波辐射, 也调节了海洋和大气之间的 由于海冰复杂的环境因素和物理过程, 相较
能量交换 [2-3], 海冰的生长、输运和融化会影响季 于海冰密集度、海冰漂移速度、海冰范围等, 海冰
节性的淡水收支, 从而影响全球淡水循环和热盐 厚度是较难测量的参数 [10]。早期海冰厚度的数据
环流 [4]。虽然海冰面积及密集度是讨论较为广泛 多依靠实地钻孔、水下声呐、船测、电磁感应获

[收稿日期] 2022 年 4 月收到来稿, 2022 年 5 月收到修改稿

[基金项目] 上海市自然科学基金(22ZR1427400)、国家重点研发计划(2019YFA0607001)、国家自然科学基金(42130402, 41706210)
和南方海洋科学与工程广东省实验室(珠海)创新团队建设项目(311021009)资助
[作者简介] 靳娅琪, 女, 2001 年生。本科生, 主要从事极地海冰相关研究。E-mail: aboutme2020@163.com
[通信作者] 张瑜, E-mail: yuzhang@shou.edu.cn
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估
取。其中, 钻孔可直接获得准确的海冰厚度数据,
但由于海冰样本的代表性问题, 多用于对其他方
法观测结果的标定和验证 [10]。水下声呐探测原理
为传感器向上发射信号, 测得仪器到海冰底部和
水面的距离, 从而计算海冰吃水深度 [11], 再根据
流体静力平衡原理转换得海冰厚度[12]。自 1958 年
以来, 仰视声呐(upward looking sonar, ULS)获得
的冰层吃水数据集已经能够评估北冰洋各个区域
的冰厚度变化 [13]。走航观测是利用人眼或摄影技
术直接观测海冰厚度; 电磁感应探测方法利用传
感器向海冰发射电磁波计算传感器到冰面和水面
的距离, 从而获取干舷高度推算海冰厚度。然而这
些探测方法均难以实现对北极海冰的大范围长期
连续观测。而如今卫星测高技术因其测量范围大、
精度高、时间序列长及空间分辨率高等特性, 被广
泛应用于海冰厚度的反演研究[11]。
自 2003 年以来, 激光测高卫星的发射在雷达
测高卫星观测的基础上, 进一步提供了北极海冰
厚度持续大范围观测数据, 但各类卫星数据与实
地观测数据相比, 仍存在不同程度的差异。Xiao
等 [12]使用“冰桥行动”(Operation IceBridge, OIB)
和 ULS 数据对 CryoSat-2 海冰厚度数据进行验证,
发现 2015 年 3 月 CryoSat-2 和 OIB 数据之间的平均
差值约为 0.165 m, 2010 年 11 月—2018 年 3 月
Cryosat-2 海冰厚度与 BGEP 三个锚碇点的 ULS 所
测厚度相差 0.11~0.12 m 不等。马雪沂等[14]基于
2015 年 10 月至 11 月初船测海冰厚度数据, 分别对
德国汉堡大学和不莱梅大学反演的 SMOS 卫星薄
冰数据产品进行评估, 结果发现不莱梅大学的
SMOS 产品与船测数据差值(–0.03 m)略低于汉堡大
学的 SMOS 产品(–0.04 m), 前者精度略高。Kwok
和 Cunningham[15]基于 BGEP 的 ULS 数据、潜艇测
量的冰层吃水深度数据、飞行器电磁探测数据和
OIB 海冰厚度实地观测数据, 对 CryoSat-2 在 2010—
2014 年冬季的海冰厚度观测数据进行评估, 结果显
示 CryoSat-2 与上述现场观测差异分别为 0.06 m、
0.07 m、0.12 m 和–0.16 m。相比于前 3 种现场观测
数据, CryoSat-2 与 OIB 的差异更加显著。Li 等[16]
利用 OIB 海冰厚度数据, 对分别来自阿尔弗雷德魏
格纳研究所(Alfred Wegener Institute, AWI)、美国国
家冰雪数据中心(National Snow and Ice Data Center,
NSIDC)和欧洲航天局(European Space Agency, ESA)
239
的 3 种采用不同方法反演的 2010—2018 年 CryoSat-2
海冰厚度产品进行评估, 发现来自 NSIDC 的产品
与 OIB 海冰厚度数据的平均差值最小(0.01 m), 且
正差值和负差值分布均匀, 与 OIB 具有良好的一致
性; 来自 ESA 的产品与 OIB 的平均差值最大
(0.31 m), 与 OIB 一致性最低, 且对于一年冰和多
年冰厚度均存在高估现象。
除了利用实地观测数据对卫星海冰厚度数据
进行评估之外, 也进行了不同卫星产品之间海冰
厚度的差异性分析。Li 等 [16]将 AWI、NSIDC 和
ESA 的 3 套产品反演的 CryoSat-2 海冰厚度数据
进行对比, 发现在海冰生长季节, 3 种产品的海冰
厚度具有相似的年际和季节变化, 总体上 ESA 海
冰厚度最大, AWI 最小。但在一年冰和多年冰的
厚度上, 三者有较大区别, ESA 与 NSIDC 产品相
比 , 一 年 冰 和 多 年 冰 的 厚 度 差 异 分 别 为 0.36~
0.94 m 和–0.14~0.47 m; 而 AWI 与 NSIDC 产品相
比, 一年冰和多年冰的差异分别为–0.70~0.06 m
和–0.34~0.05 m。Sallila 等 [17]使用基于 CryoSat-2
搭 载 传 感 器 数 据 的 极 地 观 测 与 模 拟 中 心(Centre
for Polar Observation and Modeling, CPOM) 、
AWI、喷气推进实验室(Jet Propulsion Laboratory,
JPL)、戈达德太空飞行中心(Goddard Space Flight
Centre, GSFC)的反演产品和基于 AVHRR 搭载传
感器数据的极地探路者(Polar Pathfinder, APP-x)
反 演 产 品 以 及 CS2SMOS 数 据 产 品 , 对
2010—2018 年卫星数据所反演的春季和秋季北
极海冰厚度进行了对比, 以 CPOM 产品为参考对
象, 发现 AWI、JPL 产品与 CPOM 产品相近程度
最高, 均具有较高相关性(春季分别为 0.91、0.92,
秋季分别为 0.88、0.88)和较小的差值范围(0.03~
0.08 m); 与其他产品相比, 虽然 GSFC 与 CPOM
产品在春秋两季均具有高相关性(0.85), 但 GSFC
产品的平均海冰厚度在春秋两季均高于 CPOM 产
品, 数据相差最大; CS2SMOS 产品也与 CPOM 产
品保持较好相关性(春季: 0.88, 秋季: 0.86), 但
CS2SMOS 产品可观测到更薄的海冰, 与 CPOM
产品的差值范围为 0.08~0.36 m, 且在海冰边缘区
域呈现更大差异; APP-x 产品与 CPOM 产品的相
关性(春季: 0.49, 秋季: 0.53)较差。
综上所述, 不同卫星数据之间存在着不同程
度的差异, 卫星数据的验证也依赖实地观测数据
 240 极地研究 第 35 卷

支持。然而, 目前对于多源卫星数据的对比和评 型 结 合 并 应 用 流 体 静 力 平 衡 原 理 计 算 得 出 [2] 。

估工作较少, 尤其是 2018 年 ICESat-2 卫星发射以 ICESat-2 海冰厚度数据产品起始于 2018 年 11 月,
来, 最近几年的不同卫星海冰厚度数据的对比以 仅限于每年的 1—4 月和 9—12 月。本研究使用其
及不同卫星与实地观测数据之间的精度评估存在 2019—2020 年的四级海冰厚度产品, 该数据集空
严重不足, 在深刻理解近些年海冰厚度变化及其 间覆盖范围北至 88°N, 空间分辨率为 25 km (表 1)。
敏感性方面缺乏理论支撑。本研究选取了近几年 数 据 可 由 https://nsidc.org/data/IS2SITMOGR4/
广泛应用的 ICESat-2、CryoSat-2、SMOS 等卫星, versions/2 获取。
对数据进行了量化对比分析。由于 SMOS 卫星在 1.1.2 CryoSat-2 海冰厚度
厚冰区域观测能力不足, 并且 ICESat-2 卫星数据 CryoSat-2 卫星搭载了新型合成孔径/干涉雷
起始于 2018 年 11 月, 至本研究进行时还未发布 达高度计(synthetic aperture radar interferometric
2021 年完整数据, 因此为保证研究区域和时间序 radar altimeter, SIRAL)。由于冰雪融化、开放水
列的完整性, 本研究所使用的海冰厚度产品包括 域和融池造成的信号干扰, CryoSat-2 卫星在夏季
ICESat-2、CryoSat-2 以及 CryoSat-2 和 SMOS 融 无法获得海冰厚度数据 [18], 因此该数据时间段集
合后的产品 CS2SMOS, 选取时间段为最近的两 中在每年的 10 月至次年 4 月, 空间分辨率为
个完整年份(2019—2020 年)。在此基础上, 基于 25 km(表 1)。本研究所用 CryoSat-2 卫星数据来源
该 时 间 段 内 高 分 辨 率 OIB 实 地 观 测 数 据 , 对 于 AWI, 数据可由 ftp://ftp.awi.de/sea_ice/product/
ICESat-2、CryoSat-2 和 CS2SMOS 卫星海冰厚度 cryosat2 获取。
数据进行精度量化评估, 从而为将来海冰厚度卫 1.1.3 CS2SMOS 海冰厚度
星数据的选择和应用提供参考。 CS2SMOS 是由 AWI 和德国汉堡大学开发的
对 CryoSat-2 和 SMOS 海冰厚度进行融合所得的
1 数据与方法 数据产品。CryoSat-2 海冰厚度产品依赖于对海平
面以上海冰表面高度的精确测量, 因此在薄冰
1.1 海冰厚度数据产品 (<1 m)区域的不确定性相对较大, 而 SMOS 海冰
1.1.1 ICESat-2 海冰厚度 厚度反演依赖于亮温对海冰厚度的敏感性, 在薄
ICESat-2 是由美国国家航空航天局(National 冰上精度较高, 但在厚冰(>1 m)区域灵敏度会降
Aeronautics and Space Administration, NASA)发射 低 [19] 。因此, 将两种数据进行融合互补, 可获得
的第二代激光测高卫星。ICESat-2 搭载了先进的 更加准确的海冰厚度。CS2SMOS 提供分辨率为
地形激光测高仪系统, 能够在全球范围内提供高 25 km 的周平均数据, 时间集中在每年的 10 月至
分辨率的地面高程数据。海冰厚度由测得的 次年 4 月(表 1)。CS2SMOS 数据可由 ftp://ftp.awi.
ICESat-2 干舷(海平面以上海冰的延伸)与海冰模 de/sea_ice/product/cryosat2_smos 获取。

表 1 本研究使用数据集介绍
Table 1. An introduction to the data sets used in this study
时间 空间 数据 产品 纬度覆盖
数据集 本研究使用时间段
分辨率 分辨率 来源 级别 范围
ICESat-2 2019—2020年(每年1—4月及10—12月) 月 25 km NSIDC L4 31.1°N—88.0°N
CryoSat-2 2019—2020年(每年1—4月及10—12月) 月 25 km AWI L3c 16.6°N—89.8°N
CS2SMOS 2019—2020年(每年1—4月及10—12月) 周 25 km AWI — 16.6°N—89.8°N
OIB 2019年(4月) — 40 m NSIDC L4 79.3°N—88.0°N

1.1.4 “冰桥行动”海冰厚度 台搭载的遥感传感器大致可以分为数字相机、激

美国 NASA 于 2009 年启动的“冰桥”科学 光雷达、雷达、重力以及辅助设备 5 类 [20]。“冰
计划利用航空平台搭载的多源遥感传感器已在极 桥行动”的观测活动集中在每年的 3 月或 4 月, 与
区获取了连续的、高质量的观测资料, 其航空平 本研究时间段相匹配的数据仅有 2019 年 4 月海冰
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估 241

观测数据, 该月份观测活动分别在 4 月 6 日、8 对应的月平均 OIB 观测值。

日、12 日、19 日、20 日和 22 日进行, 共有观测 1.2.3 卫星数据对比及验证方法
数据点 126486 个, 主要分布在格陵兰岛北部和加 本研究从不同卫星数据间的时空差异等方面
拿大北极群岛北部的沿岸以及北极中央海区海冰 进 行 综 合 对 比 , 将 ICESat-2 、 CryoSat-2 和
厚度高值区(图 1)。数据可从 https://nsidc.org/data/ CS2SMOS 数据进行两两对比分析, 对比选取时
NSIDC-0708/versions/1 获取。 间段为 2019—2020 年 1—4 月及 10—12 月, 范围
为 65°N—88°N。此外, 将 OIB 海冰厚度数据作为
验证数据从线性拟合效果、差异值、相关性、均
方根误差等方面对 3 种卫星海冰厚度数据的精确
度进行评估。

2 结果与分析

2.1 多源卫星海冰厚度数据对比
2.1.1 多源卫星海冰厚度数据时空分布特征对比
本研究将各卫星数据 2019—2020 年研究区
域内各空间点的海冰厚度数据在时间尺度上进行
平均, 得到两年平均海冰厚度的空间分布(图 2),
整体来看, 3 种卫星产品在 2019—2020 年的平均
海冰厚度均显示为厚度的高值区域分布在加拿大
图1 本研究中北冰洋区域划分及 2019 年 4 月冰桥行动
北极群岛北部, 而在欧亚大陆和北美大陆近岸地
海冰厚度数据的地理分布
区, CS2SMOS 的海冰厚度相对较小。为量化不同
Fig.1. Regional division of Arctic Ocean in this study and
geographic distribution of sea ice thickness data from 卫星数据在整个北极地区的差异, 对图 2 中各卫
OIB in April 2019 星数据空间点上的海冰厚度数据在空间尺度上进
行平均, 得到 ICESat-2、CryoSat-2 和 CS2SMOS
1.2 数据处理方法
数据的海冰厚度平均值分别为 1.36 m、1.66 m 和
1.2.1 卫星海冰厚度再分布
1.13 m, 说 明 从 整 个 北 极 地 区 来 看 , 相 较 于
为实现各类卫星数据对比的一致性, 需要将
ICESat-2 数据, CryoSat-2 呈现高值, CS2SMOS 则
不同时空分辨率和位置点的卫星数据进行统一,
呈现低值。
本研究在 65°N—90°N 的范围内设置水平分辨率
虽然 3 种卫星数据的海冰厚度月平均变化特
为 12.5 km 的等间距网格, 先将 CS2SMOS 原始周
征相似, 但 CryoSat-2 平均冰厚始终大于 ICESat-2
平 均 海 冰 厚 度 数 据 处 理 为 与 CryoSat-2 和
和 CS2SMOS(图 3)。同时 3 种卫星海冰厚度数据
ICESat-2 时间分辨率一致的月平均数据, 然后将
在季节性结冰过程中也显示出了明显的差异, 在
ICESat-2、CryoSat-2 和 CS2SMOS 数据利用反距
2019 年, CS2SMOS 数据显示为 10 月开始结冰,
离权重插值法进行处理, 并形成海冰厚度数据点
而 ICESat-2 和 CryoSat-2 数据显示的结冰月份均
的再分布。
1.2.2 “冰桥行动”海冰厚度数据处理 为 11 月; 在 2020 年, CS2SMOS 和 ICESat-2 结果
由于 OIB 海冰厚度观测数据与卫星数据相比 仍然分别保持着 10 月和 11 月的开始结冰, 但
分辨率更高, 往往一个卫星数据点所控制的区域 CryoSat-2 数据显示的结冰月份相较于 2019 年提
中会有多个不同的 OIB 数据点。为更好评估卫星 前了 1 个月(10 月)。此外, CS2SMOS 数据显示研
海冰厚度产品, 将每个卫星数据点所控制区域的 究时间段内, 在融冰开始(4 月)和结冰开始(10 月)
多个 OIB 数据计算平均值, 并作为该卫星数据点 月份的海冰厚度差最大, 2019 和 2020 年的 4 月和
 242 极地研究 第 35 卷

图 2 2019—2020 年 ICESat-2、CryoSat-2 和 CS2SMOS 卫星平均海冰厚度分布

Fig.2. Distribution of mean sea ice thickness from ICESat-2, CryoSat-2 and CS2SMOS during 2019—2020

图 3 2019—2020 年 ICESat-2、CryoSat-2 和 CS2SMOS 卫星数据的海冰厚度月变化

Fig.3. Monthly variation of sea ice thickness from ICESat-2, CryoSat-2 and CS2SMOS during 2019—2020

10 月海冰厚度差分别为 0.75 m 和 0.85 m, 而 在波弗特海、楚科奇海、东西伯利亚海、拉普捷

ICESat-2 数据在该时间段内的厚度差分别为 0.57 m 夫海等。整个研究区域不同月份的正差值占比均
和 0.61 m, CryoSat-2 则分别为 0.72 m 和 0.73 m。 高于 50%, 在 11 月正差值占比可达 77%(表 2)。
2.1.2 多源卫星海冰厚度数据差异分布 CryoSat-2 与 ICESat-2 数据点差值超过一半集中
为更直观地对比 3 种卫星海冰厚度数据在不 于–0.5~0.5 m 范围, 10 月至 4 月在该范围的差值
同月份的空间分布差异, 本研究将不同卫星数据 占比分别为 69%、71%、76%、75%、70%、64%
进行分组对比。图 4 显示了 CryoSat-2 与 ICESat-2 和 59%(图 5)。在 10 月和 11 月, 差值相对更集中
卫星观测冰厚数据的差异。在加拿大北极群岛北 于一定的范围内, 其中仅 0.1~0.4 m 的正差值就
部海冰厚度高值区, CryoSat-2 海冰厚度要小于 均占总体的 34%。相反地, 在 3 月和 4 月, 不同
ICESat-2, 但从整体来看, CryoSat-2 海冰厚度普 差值的占比更为平均, 以每 0.1 m 的差值范围为
遍较大, 差值主要呈现为正值。自结冰期(10 月) 一组可以发现, 没有任何一组的差值占比超过
开始, 正差值主要集中在北冰洋中央区域, 随着 9%。
海冰厚度的增大, 其正差值区域逐渐延伸至格陵 图 6 展示了 CS2SMOS 和 ICESat-2 的差异情
兰海、巴伦支海、喀拉海, 负差值区域主要集中 况。在加拿大北极群岛北部海冰厚度高值区,
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估 243

图 4 CryoSat-2 与 ICESat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值

Fig.4. Mean difference of sea ice thickness between CryoSat-2 and ICESat-2 in different months from 2019 to 2020

图 5 CryoSat-2 与 ICESat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值百分比分布

Fig.5. Percentage distribution of mean difference of sea ice thickness between CryoSat-2 and ICESat-2 in different months
from 2019 to 2020
244 极地研究 第 35 卷

表 2 不同卫星数据在 2019—2020 年各月份海冰厚度正差值占比

Table 2. Percentage of positive difference of sea ice thickness between different satellite data from 2019 to 2020
10月 11月 12月 1月 2月 3月 4月
CryoSat-2–ICESat-2 71% 77% 67% 50 % 52% 63% 72%
CS2SMOS–ICESat-2 61% 48% 52% 38% 36% 45% 48%
CS2SMOS–CryoSat-2 43% 17% 26% 30% 27% 24% 16%

图 6 CS2SMOS 与 ICESat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值

Fig.6. Mean difference of sea ice thickness between CS2SMOS and ICESat-2 in different months from 2019 to 2020

CS2SMOS 海冰厚度同样小于 ICESat-2。从整体 CryoSat-2 与 ICESat-2 的差值, 10—次年 4 月差值

来看, CS2SMOS 与 ICESat-2 海冰厚度以负差值为 位于–0.5~0.5 m 范围的空间点占比分别为 78%、
主, 主要分布在波弗特海、楚科奇海、东西伯利 82%、85%、83%、79%、78%和 75%。相较于
亚海、拉普捷夫海等海域的近岸地区以及巴芬湾, CryoSat-2, CS2SMOS 与 ICESat-2 的差值分布更
正差值区域仅在 10 月和 12 月大于 50%(表 2), 正 集中, 以每 0.1 m 的差值范围为一组可以发现,
差值主要集中在北冰洋中央区域, 随着海冰厚度 每月均有多个单组差值占比超过 10%(图 7)。
的增大, 其正差值区域逐渐延伸至格陵兰海冰边 图 8 展示了 CS2SMOS 与 CryoSat-2 海冰厚度
缘以及巴伦支海、喀拉海海域。CS2SMOS 与 之间的差异, 从整体来看, 融合 CryoSat-2 和
ICESat-2 的正差值分布和 CryoSat-2 与 ICESat-2 SMOS 卫星数据之后的 CS2SMOS 海冰厚度低于
正差值分布相似, 主要是因为 CS2SMOS 为 CryoSat-2 数据, 在 10—次年 4 月, 正差值区域均
CryoSat-2 卫星数据与 SMOS 卫星数据的融合, 低于 50%(表 2), 且在北极中央海区 CS2SMOS 与
CS2SMOS 保留了 CryoSat-2 的部分数据特征。 CryoSat-2 数据差异不大, 80°N 以北区域所有月份
CS2SMOS 与 ICESat-2 数据点差 值整体 小于 平 均 差 值 范 围 约 为 –0.18~–0 .09 m, 但 在 海 冰
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估 245

图 7 CS2SMOS 与 ICESat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值百分比分布

Fig.7. Percentage distribution of mean difference of sea ice thickness between CS2SMOS and ICESat-2 in different months
from 2019 to 2020

图 8 CS2SMOS 与 CryoSat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值

Fig.8. Mean difference of sea ice thickness between CS2SMOS and CryoSat-2 in different months from 2019 to 2020
 246 极地研究 第 35 卷

边缘区域, 由于受到 SMOS 卫星在薄冰区域低海 CS2SMOS 与 CryoSat-2 在东西伯利亚海、拉普捷

冰厚度的影响, CS2SMOS 数据明显低于 CryoSat-2 夫海和波弗特海地区均呈现出低差值(0.45 m 以
卫星冰厚观测值, 最大负差值可达–2.0 m 以上, 内)特点, 在格陵兰海两者数据差值最大(–1.20 m)。
随着海冰结冰期的到来, 海冰增厚, 其负差值区 综合 3 套数据在不同海区的差值, 发现 3 套数据
域在格陵兰海、巴伦支海海冰边缘区不断扩大。 均在东西伯利亚海和波弗特海域较为接近, 在巴
CS2SMOS 与 CryoSat-2 数据差异分布呈现明显左 伦支海差异较大。
偏特点, 10—次年 4 月海冰厚度差值位于–0.5~ 2.2 多源卫星海冰厚度数据验证评估
0 m 的空间点占比分别为 33%、60%、56%、53%、 以上对多源卫星海冰厚度的对比分析, 仅可
50%、49%和 49%(图 9)。 以量化不同卫星数据之间的差异程度, 然而对于
2.1.3 多源卫星海冰厚度数据区域化对比 卫星海冰厚度误差的验证和评估, 需要依靠与实
为具体比较卫星数据在北极各地区的差异, 地观测数据的比较。本研究获取“冰桥行动”
本研究将北冰洋划分为楚科奇海、东西伯利亚海、 (OIB)2019 年 4 月的冰厚数据, 通过处理后的共计
拉普捷夫海、喀拉海、巴伦支海、格陵兰海、加 765 个数据样本点与 3 种卫星数据对比, 进行验
拿大北极群岛和波弗特海 8 个区域(图 1)。由表 3 证评估。图 10 结果显示, CS2SMOS 数据与 OIB
可知, 在各地区中, CryoSat-2 与 ICESat-2 数据在 数据的线性拟合效果最好(R 2 =0.48), 而 ICESat-
楚科奇海、东西伯利亚海、拉普捷夫海、格陵兰 2、CryoSat-2 数据与 OIB 的数据点离散程度较高,
海和加拿大北极群岛平均差值较小(0.3 m 以内), 与 OIB 数据拟合效果较差。此外, 从 ICESat-2、
其中在楚科奇海地区平均差值最小(0.05 m), 在 CryoSat-2、CS2SMOS 数据与 OIB 数据的平均差
巴伦支海数据差异最大(0.70 m)。CS2SMOS 与 值来看, 分别为–0.25 m、0.01 m 和–0.05 m,
ICESat-2 数据在东西伯利亚海、拉普捷夫海、喀 CryoSat-2 与 OIB 数据平均差值最小且 CryoSat-2
拉海以及波弗特海的平均差值均呈现较小值 海冰厚度数据略大于 OIB 数据, 而 ICESat-2 和
(0.3 m 以内), 在格陵兰海差值最大(–0.96 m)。 CS2SMOS 海 冰 厚 度 数 据 均 小 于 OIB 数 据 。

图 9 CS2SMOS 与 CryoSat-2 卫星数据在 2019—2020 年不同月份海冰厚度平均差值百分比分布

Fig.9. Percentage distribution of mean difference of sea ice thickness between CS2SMOS and CryoSat-2 in different months
from 2019 to 2020
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估 247

表 3 不同卫星数据在各区域的平均差值
Table 3. Mean difference between different satellite sea ice thickness in each region
单位: m
CryoSat-2与ICESat-2 CS2SMOS与ICESat-2 CS2SMOS与CryoSat-2
区域
平均差值 平均差值 平均差值
楚科奇海 0.05 –0.37 –0.48
东西伯利亚海 0.10 –0.24 –0.38
拉普捷夫海 0.30 –0.12 –0.45
喀拉海 0.52 0.00 –0.66
巴伦支海 0.70 –0.38 –1.12
格陵兰海 0.26 –0.96 –1.20
加拿大北极群岛 0.27 –0.41 –0.78
波弗特海 0.31 –0.08 –0.41

图 10 2019 年 4 月 ICESat-2、CryoSat-2、CS2SMOS 海冰厚度与 OIB 观测数据的比较。上行为散点图, 下行为差值百

分比分布
Fig.10. Comparison of sea ice thickness from ICESat-2, CryoSat-2, CS2SMOS and OIB in April 2019 through scatterplots
(upper panel) and percentage distribution of difference (lower panel)

ICESat-2、CryoSat-2、CS2SMOS 数据与 OIB 数 图 11 为 2019 年 4 月 ICESat-2、CryoSat-2、

据在–0.5~0.5 m 的差值范围占比分别为 48%、60% CS2SMOS 海冰厚度与 OIB 海冰厚度的标准化泰
和 68%, 表明 CS2SMOS 数据与 OIB 数据点差值 勒图。从相关性来看, 3 种卫星数据与 OIB 数据的
更集中于较小的误差范围内。 相关系数均大于 0.5, CS2SMOS 数据与 OIB 数据
 248 极地研究 第 35 卷

的相关系数最大(0.68), 其次为 ICESat-2(0.62)和 据其次、CS2SMOS 数据最小的特点。3 种卫星海

CryoSat-2(0.57) 。 从 均 方 根 误 差 (RMSD) 来 看 , 冰厚度在季节性结冰过程中也有明显的差异,
CS2SMOS 与 OIB 数据的均方根误差最小(0.74 m), 2019 年和 2020 年 CS2SMOS 数据均显示为 10 月
其次为 CryoSat-2(0.82 m)和 ICESat-2(1.04 m)。 开 始 结 冰 , ICESat-2 数 据 均 显 示 为 11 月 , 而
通过对 3 种卫星数据与 OIB 实地观测数据在 CryoSat-2 数据在 2019 年表现为 11 月开始结冰,
线性拟合效果、差值、相关性、均方根误差等方 2020 年则为 10 月开始结冰。
面综合验 证, 结果显 示 CS2SMOS 海冰厚度 在 2. 3 种卫星数据间的差异具有明显的时空变
2019 年 4 月与 OIB 较为接近, 而 ICESat-2 与 OIB 化特征, 其中在海冰厚度高值区 ICESat-2 数据的
数据相差较大。 厚度最大, CryoSat-2 与 CS2SMOS 数据的海冰厚
度相近; 在海冰边缘区 CryoSat-2 数据的厚度最
大, 其次为 ICESat-2, CS2SMOS 最小。整体上,
CryoSat-2 与 CS2SMOS 数据厚度差异最小, 这是
由于 CS2SMOS 融合了 CryoSat-2 和 SMOS 卫星
数据, 其保留了 CryoSat-2 的部分数据特征, 但在
较薄的海冰边缘区, CryoSat-2 与 CS2SMOS 差异
较大。此外, 相较于 CryoSat-2 与 ICESat-2 的差
异, CS2SMOS 与 ICESat-2 的差异更小。
3. 3 种卫星数据在不同海区呈现出不同的差
异性特征, CS2SMOS 在加拿大北极群岛和格陵兰
海与 CryoSat-2、ICESat-2 数据差异均较大, 3 种
卫星数据均在东西伯利亚海和波弗特海区域差异
较小, 在巴伦支海区域差异较大。
多源卫星海冰厚度产品与 OIB 实地观测数据
验证评估主要结论如下: 基于 2019 年 4 月的 OIB
图 11 2019 年 4 月 ICESat-2、CryoSat-2、CS2SMOS 与
实地观测数据, 从线性拟合效果来看, CS2SMOS
OIB 海冰厚度的标准化泰勒图
Fig.11. Normalized Taylor diagram of sea ice thickness 与 OIB 数据的拟合效果最好, 数据点离散程度较
from ICESat-2, CryoSat-2, CS2SMOS and OIB in 低; 从差值角度来看, CryoSat-2 与 OIB 数据平均
April 2019 差值最小, 而 CS2SMOS 与 OIB 数据点差值更集
中于较小的误差范围; 从相关性来看, CS2SMOS
3 结论 与 OIB 数据的相关系数最大; 从均方根误差来看,
针对自 2018 年 ICESat-2 卫星发射以来, 最近 CS2SMOS 与 OIB 数据的均方根误差最小。因此,
几年多源卫星海冰厚度数据量化对比和评估研究 综合分析评估认为 CS2SMOS 海冰产品整体精度
的 缺 乏 , 本 研 究 对 最 新 完 整 的 2019 — 2020 年 与 OIB 数据较接近, 而 ICESat-2 与 OIB 数据相差
ICESat-2、CryoSat-2 和 CS2SMOS 卫星海冰厚度 较大。
产品开展时空变化和分布差异量化对比分析, 并 由于 ICESat-2 自发射以来所发布的海冰厚
基于 2019 年 4 月 OIB 实地观测数据对各卫星产 度数据时间范围较短, 未来多源卫星海冰厚度
品进行验证, 量化评估其准确性。 数据的对比分析工作仍需不断开展, 以加深对
多源卫星海冰厚度产品之间对比分析的主要 不同卫星数据时空差异的了解。此外, 由于近年
结论如下。 来与多源卫星时间段重合的实测数据较少, 未
1. 从整个北极区域来看, 2019—2020 年平均 来对卫星海冰厚度精度的评估也亟需更多的实
海冰厚度呈现 CryoSat-2 数据最大、ICESat-2 数 测数据支持。
第2期 靳娅琪等: 基于北极多源卫星数据的海冰厚度时空变化对比与评估 249

参考文献

1 薛彦广, 关皓, 董兆俊, 等. 近 40 年北极海冰范围变化特征分析[J]. 海洋预报, 2014, 31(4): 85-91.

2 PETTY A A, KURTZ N T, KWOK R, et al. Winter Arctic sea ice thickness from ICESat-2 freeboards[J]. Journal of Geophysical Re-
search: Oceans, 2020, 125(5): e2019JC015764.
3 CHENG B, VIHMA T, PALO T, et al. Observation and modelling of snow and sea ice mass balance and its sensitivity to atmospheric
forcing during spring and summer 2007 in the Central Arctic[J]. Advances in Polar Science, 2021, 32(4): 312-326.
4 CARMACK E C, YAMAMOTO-KAWAI M, HAINE T W N, et al. Freshwater and its role in the Arctic Marine System: Sources, dispo-
sition, storage, export, and physical and biogeochemical consequences in the Arctic and global oceans[J]. Journal of Geophysical Re-
search: Biogeosciences, 2016, 121(3): 675-717.
5 XIAO F, LI F, ZHANG S K, et al. Estimating Arctic sea ice thickness with CryoSat-2 altimetry data using the least squares adjustment
method[J]. Sensors (Basel, Switzerland), 2020, 20(24): 7011.
6 LAXON S W, GILES K A, RIDOUT A L, et al. CryoSat-2 estimates of Arctic sea ice thickness and volume[J]. Geophysical Research
Letters, 2013, 40(4): 732-737.
7 SONG M R. Change of Arctic sea-ice volume and its relationship with sea-ice extent in CMIP5 simulations[J]. Atmospheric and Oce-
anic Science Letters, 2016, 9(1): 22-30.
8 沈心仪, 张瑜, 陈长胜, 等. 加拿大北极群岛区域西北航道海冰冰情长期时空变化特征研究[J]. 极地研究, 2021, 33(1): 71.
9 赵羲, 霍瑞, 陈亦卓, 等. ICESat-2 高程信息辅助下的北极冰区航线规划[J/OL]. 武汉大学学报(信息科学版): 1-17[2022-03-10].
http://kns.cnki.net/kcms/detail/42.1676.tn.20211105.1202.007.html.
10 季青, 庞小平, 许苏清, 等. 极地海冰厚度探测方法及其应用研究综述[J]. 极地研究, 2016, 28(4): 431-441.
11 刘生元, 李斐, 杨元德. 基于 CryoSat-2 数据反演 2011—2017 年波弗特海海冰厚度变化[J]. 大地测量与地球动力学, 2019, 39(12):
1310-1316.
12 XIAO F, ZHANG S K, LI J X, et al. Arctic sea ice thickness variations from CryoSat-2 satellite altimetry data[J]. Science China Earth
Sciences, 2021, 64(7): 1080-1089.
13 KWOK R, ROTHROCK D A. Decline in Arctic sea ice thickness from submarine and ICESat records: 1958–2008[J]. Geophysical
Research Letters, 2009, 36(15): L15501.
14 马雪沂, 赵羲, 屈猛, 等. 北极海冰薄冰厚度遥感反演模型的船测验证[J]. 极地研究, 2019, 31(4): 431-440.
15 KWOK R, CUNNINGHAM G F. Variability of Arctic sea ice thickness and volume from CryoSat-2[J]. Philosophical Transactions of
the Royal Society A: Mathematical, Physical and Engineering Sciences, 2015, 373(2045): 20140157.
16 LI M M, KE C Q, XIE H J, et al. Arctic sea ice thickness retrievals from CryoSat-2: Seasonal and interannual comparisons of three
different products[J]. International Journal of Remote Sensing, 2020, 41(1): 152-170.
17 SALLILA H, FARRELL S L, MCCURRY J, et al. Assessment of contemporary satellite sea ice thickness products for Arctic sea ice[J].
The Cryosphere, 2019, 13(4): 1187-1213.
18 ALLARD R A, FARRELL S L, HEBERT D A, et al. Utilizing CryoSat-2 sea ice thickness to initialize a coupled ice-ocean modeling
system[J]. Advances in Space Research, 2018, 62(6): 1265-1280.
19 RICKER R, HENDRICKS S, KALESCHKE L, et al. A weekly Arctic sea-ice thickness data record from merged CryoSat-2 and SMOS
satellite data[J]. The Cryosphere, 2017, 11(4): 1607-1623.
20 王蔓蔓, 柯长青, 邵珠德. 基于 CryoSat-2 卫星测高数据的北极海冰体积估算方法[J]. 海洋学报, 2017, 39(3): 135-144.
 250 极地研究 第 35 卷

Comparison and assessment of data on multi-source satellite remote sensing

Arctic sea ice thickness

Jin Yaqi1, Zhang Yu1,2, Chen Changsheng3, Xu Danya2

(1College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China;
2
Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China;
3
School for Marine Science and Technology, University of Massachusetts Dartmouth, New Bedford, Massachusetts 02744, USA)

Abstract
Sea ice thickness is one of the important variables of sea ice. Our knowledge of the temporal and spatial
integrity of sea ice thickness is still insufficient and lags behind that of sea ice concentration, extent, and
drift velocity. At present, Arctic sea ice thickness data are mostly obtained by satellite remote sensing using
CryoSat-2 and SMOS, and since November 2018, ICESat-2. Few studies have evaluated the accuracy of the
latest multi-source satellite Arctic sea ice thickness data or assessed the spatial and temporal differences of
data from different sources. In this study, we quantified the spatial and temporal differences between the
latest sea ice thickness data from ICESat-2, CryoSat-2, and CS2SMOS (merged product of CryoSat-2 and
SMOS) during 2019–2020. Results show that the mean sea ice thickness is largest in CryoSat-2, second
largest in ICESat-2, and smallest in CS2SMOS. There are also considerable temporal and spatial differences.
For regions covered with thick sea ice, thickness is largest in ICESat-2, and the thickness in Cryosat-2 is
similar to that in CS2SMOS. For marginal ice zones, thickness is largest in CryoSat-2 and smallest in
CS2SMOS. The difference between the datasets is smaller over the East Siberian Sea and Beaufort Sea and
larger over the Barents Sea. We compared the satellite data with field data collected during Operation Ice-
Bridge (OIB) in April 2019 and found that the difference between CS2SMOS and OIB is smaller than that
between ICESat-2 and OIB.
Keywords Arctic, sea ice thickness, satellite remote sensing, Operation IceBridge (OIB)